Google, 로봇 제어용 AI 'Gemini 4 Argon' 공개

Google은 로봇 제어를 주요 용도로 하는 AI 모델 'Gemini 4 Argon'을 공개했다. 이 모델은 물리적 세계를 추론하는 범용 모델로 위치 지어지고 있으며, 로봇의 동작 제어에서 영상 데이터 분석까지 여러 역할을 담당하도록 설계되었다.

로봇용 AI 개발에서는 종래에 특정 동작만 실행하는 '엔드이펙터 정책(로봇의 손끝 등의 움직임을 제어하는 전용 규칙)'이 주류였다. 이러한 전용 설계는 정확도를 얻기 쉬운 반면, 용도가 제한된다는 과제가 있다. Gemini 4 Argon은 이러한 접근법과는 달리 더 넓은 범위의 작업에 대응할 수 있는 범용 물리 추론 모델로 개발된 점이 특징이다.

구체적인 기능으로 Google은 네 가지 용도를 명시하고 있다. 첫째는 로봇의 동작 자체를 제어하는 '로봇 제어', 둘째는 현실의 환경을 시뮬레이션 공간에 재현하는 'Real2Sim 씬 구축'이다. 셋째는 로봇이 촬영한 영상에 대해 여러 정보(텍스트·이미지 등)를 조합하여 라벨을 부여하는 '멀티모달 라벨링', 넷째는 로봇의 행동 정책을 반복해서 개선해 나가는 '반복적 정책 개선'이다.

이 네 가지를 하나의 모델로 커버한다는 설계는 로봇 개발의 파이프라인 전체를 AI로 통합하려는 시도로 볼 수 있다. 예를 들어 Real2Sim은 현실의 데이터를 시뮬레이터에 취입하는 공정을 의미하며, 실제 장비를 사용하지 않고 대량의 훈련 데이터를 생성하기 위해 사용되는 기술이다. 이를 범용 모델이 담당함으로써 로봇 개발의 비용과 수고를 압축할 수 있는 가능성이 있다.

로보틱스 분야에서는 최근 대규모 언어 모델(LLM)과 이미지 인식 모델에서 연마된 기술을 로봇 제어에 응용하는 움직임이 확산되고 있다. 물리 세계를 이해하고 상황에 따른 동작을 만들어내는 '구현 지능'이라고 불리는 분야에 대한 관심이 높아지는 가운데, Google이 이러한 시점에 범용형 물리 추론 모델을 투입한 배경에는 이러한 업계 전체의 흐름이 있다고 볼 수 있다.

Gemini 4 Argon이 하나의 모델로 훈련·평가·제어의 각 공정을 넘나드는 설계를 채택한 것은 로봇 개발의 진행 방식 자체에 영향을 미칠 가능성이 있다. 앞으로는 실제 로봇 환경에서의 성능과 다른 플랫폼과의 연계의 용이성이 평가의 초점이 될 것이다. Google이 이 모델을 산업용이나 연구용으로 어떻게 전개해 나갈지 계속 주목된다.